会员服务
ReCAM · FPGA · 操作 ·
2017 年 6 月 11 日
A Resistive CAM Processing-in-Storage Architecture for DNA Sequence Alignment
翻译：抗力 CAM DNA序列对齐系统处理架构
Roman Kaplan,Leonid Yavits,Ran Ginosar,Uri Weiser
Roman Kaplan,Leonid Yavits,Ran Ginosar,Uri Weiser

A novel processing-in-storage (PRinS) architecture based on Resistive CAM (ReCAM) is described and proposed for Smith-Waterman (S-W) sequence alignment. The ReCAM massively-parallel compare operation finds matching base-pairs in a fixed number of cycles, regardless of sequence length. The ReCAM PRinS S-W algorithm is simulated and compared to FPGA, Xeon Phi and GPU-based implementations, showing at least 4.7x higher throughput and at least 15x lower power dissipation.


翻译：为Smith-Waterman(S-W)序列对齐,描述并提出了一个基于耐力 CAM(RECAM)的新颖的储存中处理结构(PRinS),该结构为Smith-Waterman(S-W)序列对齐。 ReCAM大规模平行比较操作在固定数量的周期中找到匹配的基面,而不管序列长度如何。 ReCAM PlinS S-W算法是模拟的,与FPGA、Xeon Phi和GPU基实施法相比,显示至少4.7x更高的吞吐量和至少15x较低的电耗。
0
下载
关闭预览

相关内容

MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
【ICLR2020】理解非自回归机器翻译中的知识蒸馏（Understanding Knowledge Distillation in Non-autoregressive Machine Translation）
【ICLR2020】理解非自回归机器翻译中的知识蒸馏（Understanding Knowledge Distillation in Non-autoregressive Machine Translation）
专知会员服务
10+阅读 · 2019年12月28日
【Google】神经架构搜索（Neural Architecture Search and Beyond），Barret Zoph
【Google】神经架构搜索（Neural Architecture Search and Beyond），Barret Zoph
专知会员服务
30+阅读 · 2019年11月25日
【O'Reilly TensorFlow Conference 2019】TensorFlow社区公告（TensorFlow community announcements），Google TensorFlow产品总监Kemal El Moujahid
【O'Reilly TensorFlow Conference 2019】TensorFlow社区公告（TensorFlow community announcements），Google TensorFlow产品总监Kemal El Moujahid
专知会员服务
5+阅读 · 2019年11月14日
【Amazon AWS】深度学习编译器（Deep Learning Compiler），附35页ppt
【Amazon AWS】深度学习编译器（Deep Learning Compiler），附35页ppt
专知会员服务
42+阅读 · 2019年11月5日
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
专知会员服务
52+阅读 · 2019年10月25日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
pytorch-pretrained-BERT：BERT PyTorch实现，可加载Google BERT预训练模型
pytorch-pretrained-BERT：BERT PyTorch实现，可加载Google BERT预训练模型
AINLP
35+阅读 · 2018年11月6日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
ASLFeat: Learning Local Features of Accurate Shape and Localization
Arxiv
6+阅读 · 2020年3月23日
Differentiable Reasoning on Large Knowledge Bases and Natural Language
Arxiv
12+阅读 · 2019年12月17日
Efficient and Effective $L_0$ Feature Selection
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
Arxiv
4+阅读 · 2018年7月30日
A Deep Structure of Person Re-Identification using Multi-Level Gaussian Models
Arxiv
3+阅读 · 2018年5月20日
CuLDA_CGS: Solving Large-scale LDA Problems on GPUs
Arxiv
3+阅读 · 2018年3月13日
Recurrent Autoregressive Networks for Online Multi-Object Tracking
Arxiv
8+阅读 · 2018年3月4日
Differentiable Dynamic Programming for Structured Prediction and Attention
Arxiv
56+阅读 · 2018年2月20日
Large-Scale Image Retrieval with Attentive Deep Local Features
Arxiv
3+阅读 · 2018年2月3日
Dynamic Weight Alignment for Convolutional Neural Networks
Arxiv
6+阅读 · 2018年1月25日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
ReCAM
FPGA
操作
相关VIP内容
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
53+阅读 · 2020年1月30日
【ICLR2020】理解非自回归机器翻译中的知识蒸馏（Understanding Knowledge Distillation in Non-autoregressive Machine Translation）
【ICLR2020】理解非自回归机器翻译中的知识蒸馏（Understanding Knowledge Distillation in Non-autoregressive Machine Translation）
专知会员服务
10+阅读 · 2019年12月28日
【Google】神经架构搜索（Neural Architecture Search and Beyond），Barret Zoph
【Google】神经架构搜索（Neural Architecture Search and Beyond），Barret Zoph
专知会员服务
30+阅读 · 2019年11月25日
【O'Reilly TensorFlow Conference 2019】TensorFlow社区公告（TensorFlow community announcements），Google TensorFlow产品总监Kemal El Moujahid
【O'Reilly TensorFlow Conference 2019】TensorFlow社区公告（TensorFlow community announcements），Google TensorFlow产品总监Kemal El Moujahid
专知会员服务
5+阅读 · 2019年11月14日
【Amazon AWS】深度学习编译器（Deep Learning Compiler），附35页ppt
【Amazon AWS】深度学习编译器（Deep Learning Compiler），附35页ppt
专知会员服务
42+阅读 · 2019年11月5日
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
Deep Learning for Graphs: Models and Applications，密歇根州立大学唐继良助理教授，CIPS ATT 16（2019）
专知会员服务
52+阅读 · 2019年10月25日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
pytorch-pretrained-BERT：BERT PyTorch实现，可加载Google BERT预训练模型
pytorch-pretrained-BERT：BERT PyTorch实现，可加载Google BERT预训练模型
AINLP
35+阅读 · 2018年11月6日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
ASLFeat: Learning Local Features of Accurate Shape and Localization
Arxiv
6+阅读 · 2020年3月23日
Differentiable Reasoning on Large Knowledge Bases and Natural Language
Arxiv
12+阅读 · 2019年12月17日
Efficient and Effective $L_0$ Feature Selection
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
Arxiv
4+阅读 · 2018年7月30日
A Deep Structure of Person Re-Identification using Multi-Level Gaussian Models
Arxiv
3+阅读 · 2018年5月20日
CuLDA_CGS: Solving Large-scale LDA Problems on GPUs
Arxiv
3+阅读 · 2018年3月13日
Recurrent Autoregressive Networks for Online Multi-Object Tracking
Arxiv
8+阅读 · 2018年3月4日
Differentiable Dynamic Programming for Structured Prediction and Attention
Arxiv
56+阅读 · 2018年2月20日
Large-Scale Image Retrieval with Attentive Deep Local Features
Arxiv
3+阅读 · 2018年2月3日
Dynamic Weight Alignment for Convolutional Neural Networks
Arxiv
6+阅读 · 2018年1月25日
Top
微信扫码咨询专知VIP会员
Top